مدلی برای پیش بینی آسیب پذیری تحصیلی در مقطع کارشناسی مبتنی بر شبکه عصبی

نویسندگان

1 کارشناس ارشد تحلیل سیستم حوزه معاونت آموزشی دانشگاه علم و صنعت ایران

2 دانشگاه علم و صنعت ایران

3 دانشگاه علم و صنعت ایران استاد دانشکده مهندسی صنایع

doi
10.22080/eps.2018.2020
چکیده

هدف پژوهش حاضر، توسعه مدلی برای پیش­بینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشته­های مهندسی بوده که به روش داده­کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفته­شدگان سال­های 1387 لغایت 1390 در سه مورد از دانشگاه­های فنی و مهندسی کشور بوده است. داده­های پژوهش با بهره­برداری مستقیم از سیستم­های آموزش هر سه دانشگاه­ در مدل­سازی وارد شدند. نتایج حاکی از آن است که با   بهره­گیری از داده­های موجود در سیستم­های حوزه آموزش دانشگاه­ها و به خدمت گرفتن شبکه عصبی می­توان با صحت بیش از 95 درصد نسبت به پیش­بینی وضعیت تحصیلی یکایک دانشجویان اقدام نمود. کارآئی مدل­های حاصله در دانشگاههای مورد مطالعه، به ترتیب برابر 0.72، 0.556و 0.565 حاصل گردیدند. معدل کل، تعداد واحدهای گذرانده، تعداد نیمسال های مبادرت به   فعالیت­های فوق برنامه و تعداد نیمسال­های مشروطی قبلی به عنوان به عنوان موثرترین متغیرهای پیش­بین، توسط شبکه عصبی تشخیص داده شدند.